• 한국음향학회지
• /
• 제31권8호
• /
• pp.532-541
• /
• 2012

수중 과도 신호는 주변 소음과는 구별된다. 과도 신호는 음향학적 특색에 따라 특징들이 다양하기 때문에 데이터베이스화가 요구된다. 이에 본 논문에서는 해양에서 국지적이고 일시적으로 존재하는 과도 신호를 추출하기위해 사운드 마스크 필터링 방법을 활용하였다. 표준 신호를 선택하여 원 음원과의 상호상관관계를 구하였다. 상호상관신호의 포락선에서 최대우도법에 의해 결정된 역치를 사용하여 과도 신호를 위한 사운드 마스크 필터를 구하였다. 사운드 마스크 필터를 활용하여, 수중 소음원에서 바다메기의 과도 신호를 추출하였다. 유사하게, 원 음원에 인위적으로 인공 신호를 추가한 신호에서 동일한 방식으로 바다메기와 인공 신호를 과도 신호로서 추출하였다. 또한 표준신호에 따라서 다르게 추출된 과도신호의 비교를 통해 표준신호 선택의 중요함을 제시하였다. 본 논문에서 제안된 사운드 마스크 필터링 방법은 해양 주변 소음원에서 과도 신호의 데이터베이스 구축에 활용될 수 있고, 특히, 임의의 신호에서 원하는 신호를 추출하는 데에 활용 가능성이 있다.

• 대한조선학회논문집
• /
• 제38권3호
• /
• pp.117-122
• /
• 2001

함정에 탑재되는 주요장비는 내충격성능을 확인하기 위해 충격시험을 실시하고 계측된 신호는 최대충격가속도, 지속시간, 응답스펙트럼 등 충격응답신호의 신간이력을 분석한다. 그러나 계측된 신호는 배경잡음, 계측기오차, 케이블의 과도운동 등으로 충격성잡음과 백색잡음으로 인한 신호왜곡이 발생할 수 있으므로 충격시험으로부터 정확한 시간이력을 추출하기 위해서는 이러한 잡음을 제거해야 한다. 충격성잡음은 중간값필터를 이용하여 제거하고 백색잡음은 웨이블렛의 계수값을 축소함으로써 잡음이 제거된 충격응답신호의 시간이력으로부터 정도높은 최대충격, 지속시간 및 충격응답스펙트럼이 획득가능하다. 제안된 기법의 타당성을 판단하기 위해 수치 시뮬레이션을 수행한 결과 신호대잡음비가 30dB 이상 향상되었음을 확인하였고, 실제계측된 수중폭발충격신호에 적용시켜 향상된 충격응답스펙트럼을 추출하였다.

• 한국해양공학회지
• /
• 제26권4호
• /
• pp.57-63
• /
• 2012

In this paper, a Bayesian classifier based on PCA (principle component analysis) is proposed to classify underwater transient signals using $16^{th}$ order LPC (linear predictive coding) coefficients as feature vector. The proposed classifier is composed of two steps. The mechanical signals were separated from biological signals in the first step, and then each type of the mechanical signal was recognized in the second step. Three biological transient signals and two mechanical signals were used to conduct experiments. The classification ratios for the feature vectors of biological signals and mechanical signals were 94.75% and 97.23%, respectively, when all 16 order LPC vector were used. In order to determine the effect of underwater noise on the classification performance, underwater ambient noise was added to the test signals and the classification ratio according to SNR (signal-to-noise ratio) was compared by changing dimension of feature vector using PCA. The classification ratios of the biological and mechanical signals under ocean ambient noise at 10dB SNR, were 0.51% and 100% respectively. However, the ratios were changed to 53.07% and 83.14% when the dimension of feature vector was converted to three by applying PCA. For correct, classification, it is required SNR over 10 dB for three dimension feature vector and over 30dB SNR for seven dimension feature vector under ocean ambient noise environment.